yolov5 detect.py文件终端代码使用详解

最新推荐文章于 2025-05-09 14:22:40 发布
最新推荐文章于 2025-05-09 14:22:40 发布
阅读量4.3k 收藏 24
点赞数 2
文章标签： python 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_27661837/article/details/124079489
版权
这篇博客详细介绍了如何运用detect.py脚本进行物体检测。用户可以通过修改--source参数来检测不同类型的输入，包括摄像头、图片、视频、整个目录或指定文件类型，甚至可以从YouTube链接或网络视频流中进行检测。检测结果将保存在yolov5项目的runs/detect文件夹下。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

官方对于如何使用detect.py文件做出了如下解释
在这里插入图片描述

python detect.py --source 0  # 使用摄像头检测
python detect.py --source img.jpg  # 传入图片检测
python detect.py --source vid.mp4  # 传入视频检测
python detect.py --source path/  # 把整个目录里面能被检测的文件都检测
python detect.py --source path/*.jpg  # 检测目录里面后缀为jpg格式的文件
python detect.py --source 'https://youtu.be/Zgi9g1ksQHc'  # 传入YouTube链接 会自动下载并检测
python detect.py --source 'rtsp://example.com/media.mp4'  # 网络视频检测

只需把–source 后面的参数修改为自己想要检测的对象，然后复制到终端内直接运行即可！
检测完的结果会保存到yolov5项目下面runs/detect文件夹下面

实例：

【YOLOV5 入门】——detect.py简单解析&模型检测&基于torch.hub的检测方法
weixin_51658186的博客
03-28 5393
我用YOLOv5与名侦探柯南邂逅！基于torch.hub的检测方法是一种利用PyTorch Hub的功能来进行目标检测任务的方法。在进行目标检测时，可以通过函数来加载PyTorch Hub中提供的目标检测模型，然后利用加载的模型进行目标检测任务。
yolov5——detect.py代码【注释、详解、使用教程】
m0_47405013的博客
08-03 3685
主要对yolov5的detect.py参数进行讲解
YOLOv5制作自己的数据集修改参数
m0_75166003的博客
07-21 1040
然后将官方的模型改成自己的模型，就可以显示了。这里我调用的是摄像头，所以将source的默认值改为0，如果要调用视频的话，可以改为视频的路径。1.修改官方的权重文件，包含yolov5s.pt、yolov5m.pt、yolov5l.pt、yolov5x.pt。然后就可以检测自己的模型了，找到detect.py,路径在：\YOLOV5\detect.py。打开train.py,路径YOLOV5\train.py，可以按照下面的提示修改适合自己的参数。我们用的是s.pt，打开文件将nc改为自己训练的种类数量。
【深度学习】【目标检测】【Ultralytics-YOLO系列】YOLOV3核心文件detect.py解读
最新发布
yangyu0515的博客
05-09 775
【深度学习】【目标检测】【Ultralytics-YOLO系列】YOLOV3核心文件detect.py解读
YOLOV5入门教程2-detect.py文件
vimpirespider的博客
08-28 1290
用于处理不同后端的检测模型类，如支持在不同硬件加速器上运行（CPU、GPU、TPU等）。: 支持的图像格式列表（如.jpg.png: 支持的视频格式列表（如.mp4.aviLoadImages: 用于加载图像文件的类。: 用于加载视频流或摄像头数据流的类。包含各种通用工具函数：LOGGER: 日志工具，用于记录信息。check_file: 检查文件是否存在。: 检查并调整图像大小，以确保与模型输入大小兼容。: 检查是否支持显示窗口（通常在无显示的环境中使用）。: 检查依赖项是否满足。
Yolov5代码详解——detect.py
CherriesOvO的博客
03-17 4147
2.新建保存结果的文件夹。5.执行模型的推理过程。4.加载待预测的图片。
Python —— 解析Yolov5 - detect.py
03-22 4091
熟悉Yolov5自带detect.py（调参）
yolov5代码解读之​detect.py文件【超详细的好吗！点进来看阿很用心的！】
qq_53968319的博客
08-07 1万+
其实就是因为我们在sys.path路径中存在了yolov5-master这个文件夹的路径，所以导包的时候，它就能知道要在yolov5-master这个文件夹里面去找models文件夹里面的common。warmup就是一个热身环节，它内部就是初始化了一张空白的图片传入到模型中，让模型执行了一次前馈传播，相当于随便给了gpu一张图片，让gpu跑了一遍，让gpu有一个“热身”环节哈哈，完了之后再把自己的数据集给它让他预测。所以我们可以看到jpg是位于这两个格式中的，因此is_file也是表示的true。
YOLOv5源码逐行超详细注释与解读（2）——推理部分detect.py
热门推荐
路人贾的博客
03-07 4万+
全网最详细的YOLOv5之推理部分detect.py源码逐行注释，近四万字的超详细讲解！小白入门必看！
YOLOv5源码中的参数超详细解析（4）— 推理部分（detect.py）
突然好想你
08-21 1460
YOLOv5是当前目标检测领域非常流行的算法。在YOLOv5项目目录结构中，detect.py是一个非常重要的文件，该文件用于验证自己训练出来的模型在实验中的表现情况。
YOLOV5代码精读之export.py
浩瀚之水的专栏
09-30 1909
这段代码的主要功能是实现YOLOv5模型的导出，支持多种格式，包括TorchScript、ONNX、TensorRT、CoreML等。它能够根据用户的指定参数（如所需的导出格式、模型的设备类型、是否使用半精度等）对模型进行配置并进行导出。通过此函数，用户可以将训练好的YOLOv5模型转换为多种兼容格式，以便在不同平台和应用中进行推理或部署。
yolo-python-rtsp:通过实时流协议 (RTSP) 使用 Yolo、OpenCV 和 Python 的深度学习进行对象检测
05-29
通过实时流协议 (RTSP) 使用 Yolo、OpenCV 和 Python 进行对象检测 通过实时流协议 ( RTSP ) 使用 Yolo、OpenCV 和 Python 的深度学习进行对象检测 识别出的对象按日期存储在每个类的文件夹中，以供进一步培训或人脸识别。 OpenCV dnn模块支持在来自 Caffe、Torch 和 TensorFlow 等流行框架的预训练深度学习模型上运行推理。 在对象检测方面，流行的检测框架是 优洛 固态硬盘 更快的 R-CNN 最近在 OpenCV dnn 模块中添加了对运行 YOLO/DarkNet 的支持。 依赖关系 opencv 麻木 imageio-ffmpeg pip install numpy opencv-python imageio-ffmpeg 注意：不支持 Python 2.x YOLO（你只看一次） 从此下载预训练的
YOLOV5.zip 本人修改过官方的代码，运行detect.py,立刻可以运行
08-20
本人修改过的官方的YOLOv5框架，只需配置好环境后不用修改代码。即可实现，实时目标检测多达80种物体，肥肠好用。
Python-开源目标检测框架Detectron的PyTorch实现
08-11
Detectron的pytorch实现。 从零开始训练并可用直接从预训练的Detectron权重推断。
史上最详细YOLOv5的detect.py逐句注释教程
qq_51511878的博客
04-10 1万+
detect.py主要有run(),parse_opt(),main()三个函数构成。
yolov5 检测detect.py修改与运行笔记1
ResumeProject的博客
10-30 3925
设置保存之后在文件夹下会有labels的文件夹。
YOLOV5代码精读之detect.py
浩瀚之水的专栏
09-30 1551
这段代码的主要功能是处理目标检测模型的输出结果。遍历检测结果，准备路径和格式化输出；处理目标检测的输出，包括调整边界框的坐标、统计每个类的目标数量；将结果写入文本文件，并在原图上绘制边界框和标签，最终可选择保存图像和裁剪的目标区域。整个过程确保了模型检测的高效处理与结果的有效记录，为后续分析或可视化提供基础数据。显示和保存结果如果设置了显示结果，使用 OpenCV 在窗口中展示。保存带有检测结果的图像或视频。记录执行时间打印推断过程的时间统计信息。完成后处理。
【Yolov5】保姆级别源码讲解之-推理部分detect.py文件
h609232722的专栏
02-24 4696
device 设备信息，使用的Gpu还是cpu。imgsz 参数是训练配置图片的大小。– source 为需要推理的原图。这些参数都可以通过命令进行传递。opt 为执行可以传递的参数。data参数 数据配置。
逐行解读【解毒】YOLOV5 ----detect.py
qq_40750573的博客
07-15 1187
代码】逐行解读【解毒】YOLOV5----detect.py。
yolov5 detect.py参数输入源详解及示例
12-02
YOLOv5的`detect.py`命令是其主推理脚本，它允许用户在给定的图像或视频文件上运行模型进行物体检测。该脚本有许多参数可以定制，以下是常用的一些参数及其含义： 1. **image**: 需要检测的单张图片路径，例如 `-img /path/to/image.jpg`。 2. **video**: 视频文件路径，比如 `-vid /path/to/video.mp4`，会循环检测每一帧。 3. **cam**: 直接使用摄像头作为输入，如 `-cam 0` (默认第一台) 或 `-cam 1`。 4. **source**: 输入源，除了文件或摄像头外，还可以指定网络摄像头ID、RTSP/RTP流地址等，如 `-source rtsp://example.com/stream`。 5. **weights**: 模型权重文件路径，如 `-weights yolov5s.pt`，可以选择yolov5的几个版本如s, m, l, x或custom。 6. **cfg**: 配置文件路径，通常与权重文件配套，如 `-cfg yolov5s.yaml`。 7. **conf**: 预测置信度阈值，默认为0.5，如 `-conf 0.4`。 8. **reso**: 图像分辨率，如 `-reso 640,640` 或 `-reso W,H`，其中W和H分别表示宽度和高度。 示例命令： - **检测单张图片**: ``` python detect.py -img example.jpg -weights yolov5s.pt -cfg yolov5s.yaml ``` - **从摄像头捕捉并检测**: ``` python detect.py -cam 0 -weights yolov5s.pt -cfg yolov5s.yaml ``` - **检测视频文件**: ``` python detect.py -vid input.mp4 -weights yolov5s.pt -cfg yolov5s.yaml ``` - **从RTSP流进行检测**: ``` python detect.py -source rtsp://server_address/stream -weights yolov5s.pt -cfg yolov5s.yaml ``` 每个参数都有详细的文档说明，可以通过 `python detect.py -h` 查看帮助信息。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值